python中的乘法数组答案

【问题标题】：Multiplying array in pythonpython中的乘法数组
【发布时间】：2014-04-10 08:47:56
【问题描述】：

从this 问题中，我看到了如何将整个 numpy 数组与相同的数字相乘（第二个答案，由 JoshAdel 提供）。但是，当我将 P 更改为（长）数组的最大值时，最好预先存储最大值，还是在第二个示例中只计算一次 H 的最大值？

import numpy as np
H = [12,12,5,32,6,0.5]
P=H.max()
S=[22, 33, 45.6, 21.6, 51.8]
SP = P*np.array(S)

或

import numpy as np
H = [12,12,5,32,6,0.5]
S=[22, 33, 45.6, 21.6, 51.8]
SP = H.max()*np.array(S)

那么它是为每个必须相乘的项目计算H.max()，还是只计算一次就足够聪明了？在我的代码中，S 和 H 是比示例中更长的数组。

【问题讨论】：

您可以组成一个由 10^6 个向量组成的示例并检查。或者循环运行。甚至还有一个timeit 模块。
第一个代码 sn-p 是 4.47us 而不是 11.9us 但我会使用您的真实数据对其进行分析
实际上，时间似乎没有区别，对于 100,000 个元素的随机数组，仅计算 P=H.max() 需要 51.2us，然后 SP = P*np.array(S) 需要 165us，然后 SP = H.max()*np.array(S) 需要 217us所以差别不大
@EdChum 好的。我自己一直在尝试使用 timeit，但我以前从未做过，所以我无法像你那样快速测试它。感谢您的信息！

标签： python arrays numpy

【解决方案1】：

这两种方法差别不大：

In [74]:

import numpy as np
H = np.random.random(100000)
%timeit P=H.max()
S=np.random.random(100000)
%timeit SP = P*np.array(S)
%timeit SP = H.max()*np.array(S)
10000 loops, best of 3: 51.2 µs per loop
10000 loops, best of 3: 165 µs per loop
1000 loops, best of 3: 217 µs per loop

在这里你可以看到预计算H.max()的单个步骤与单行计算没有区别

【讨论】：